Spatio-temporal stochastic graph-based learning for infectious disease forecasting

技术摘要：用于传染病预测的时空随机图学习

问题陈述
现有的基于时空图的传染病预测模型（例如针对 COVID-19 和水痘）在将其学习过程与随机建模相结合方面，研究仍显不足。此外，大多数先前的研究侧重于中小规模的地理网络（例如 20–400 个区域），或者其测试轨迹表现出的变异性有限，往往无法反映现实世界中大规模国家内复杂的、异质性的且高频波动的疾病传播情况。因此，目前尚不清楚现有的架构是否能够准确预测大规模、高变异性流行病网络中的疾病轨迹。

方法论
作者提出了一种时空随机图学习架构，旨在通过整合随机公式化和不确定性近似来预测新增传染病病例。该架构由三个顺序模块组成：

1. 多元序列编码： 该模块对时间疾病发病率数据和地理连接进行标准化处理。它创建了滞后序列样本 ($X(t)$)，其中时间数据被缩放到 $[0, 1]$ 并组织在静态空间图域中。输入包含一个代表 $G_l$ 个地点在窗口 $W$ 内的时空张量，以及代表地理拓扑结构的边索引张量和属性。
2. 时空处理： 该模块利用两种提出的变体来提取潜在特征：
   • PrGCNrmsle： 基于图卷积网络 (GCN) 层。它使用对称归一化聚合来自相邻节点的信息，以学习对局部连接密度具有不变性的空间相关性。
   • PrGLSTMrmsle： 将 GCN 与长短期记忆网络 (LSTM) 层相结合。该版本处理 GCN 的输出以捕捉时间依赖性和隐藏状态演化，在保留多波动态记忆的同时过滤短期噪声。
3. 随机方法： 一个全连接层 (MLP) 将潜在特征映射到每个地点的 2 维描述符，分别代表均值 ($\mu$) 和对数方差 ($\ln \sigma$)。通过使用重参数化技巧，模型从该分布中采样以生成随机预测 ($\hat{y} = \mu + \sigma \odot \epsilon$)。这引入了极小的扰动以模拟内部变异性，而不会重新引入可能导致表示过度平滑的结构先验。

训练与评估

• 损失函数： 模型使用均方根对数误差 (RMSLE) 进行端到端训练。这种选择对低估疾病病例的惩罚比高估更重，并且在不同规模的地点之间平等地对待相对误差，使模型专注于全局动态特征而非局部波动。
• 不确定性估计： 通过集成方法近似认识不确定性（Epistemic uncertainty）。模型使用不同的初始化（种子值）训练 100 次，以生成预测分布，并从中得出 95% 的变异区间。
• 数据集：
  • COVID-19 (美国)： 美国 3,218 个县（2020–2022 年），涵盖训练期（2020 年 1 月–2021 年 12 月）和测试期（2021 年 12 月–2022 年 10 月），具有高度变化的波形模式。
  • 水痘 (匈牙利)： 20 个县（2005–2014 年），涵盖训练期（2005–2012 年）和测试期（2012–2014 年），具有更具一致性的季节性波形模式。
• 基准模型： 所提出的模型与四种时空图模型（EvolveGCNH, GCLSTM, GConvLSTM, MPNNLSTM）以及几种消融变体（移除随机性、改变损失函数或移除空间模块）进行了基准测试。

关键结果

• 性能： 所提出的 PrGCNrmsle 在所有 3,218 个美国县和 20 个匈牙利县中均实现了具有竞争力的整体周性能。它在预测美国 2022 年第一波 COVID-19 以及匈牙利对比性的水痘波形（2012–2014 年）方面表现出了增强的能力。
• 稳定性： 与基准模型相比，所提出的方法对高频、低振幅的变异性表现出较低的敏感性。它在 100 次运行中的预测变异区间较低，表明具有更高的稳定性。
• 观察到的局限性：
  • 时间延迟： 预测相对于观测值存在持续的一步延迟（一周）。模型倾向于跟随趋势方向，但在捕捉突发变化或峰值时机方面存在滞后。
  • 峰值估计： 虽然 PrGCNrmsle 很好地近似了整体时间演化，但有时会高估较小波形的峰值，或低估高频数据中的快速激增。
  • LSTM 变体： PrGLSTMrmsle（GCN + LSTM）变体在预测 COVID-19 冬季高峰期间显示出误差增加，并且训练时间显著增加（约 4.5 倍），这表明 LSTM 层可能过拟合于较小的训练波形，或难以处理更大的、未见的峰值。
• 计算效率： 与基于 RNN 的基准模型相比，PrGCNrmsle 表现出更快的收敛速度和更少的可训练参数，使其在大规模网络中更具计算效率。

意义与主张
本文声称，所提出的架构成功地适应了在单一模型结构内编码大规模（美国县）和小型（匈牙利县）人口地理网络。通过引入随机公式化，该模型在保持结构完整性并最小化不确定性传播的同时，能够相对于基准模型表征整体流行病进程。

作者将这项工作定位为迈向在异质环境下进行稳健流行病预测的一步。他们认为，虽然该模型能够捕捉主要趋势并提供有用的疾病轨迹监测，但其在公共卫生政策中的应用仍需进一步的方法论改进，以解决一步延迟问题并更好地处理发病率的快速、非线性变化。研究强调，当前的图模型通常难以应对训练轨迹（一致模式）与测试轨迹（高度变异模式）之间的不匹配，而其随机方法提供了一种在不牺牲计算效率的前提下，更好地表示疾病传播可能范围的机制。